×
Kristal K.Trejo。;胡里奥·克莱姆普纳。;亚历山大·波兹尼亚克。

调整攻击者和防御者的巡逻策略：Stackelberg安全游戏的强化学习方法。 （英语） Zbl 1394.91079号

J.计算。系统。科学。 95，35-54（2018）。
小结：本文提出了一种新的方法，在Stackelberg安全游戏中使用基于平均奖励的强化学习（RL）来调整攻击者和防御者首选的巡逻策略。我们提出了一个结合三种不同范式的框架：先验知识、模仿和时间差异方法。整个RL体系结构包括两个最高的组件：自适应初级学习体系结构和演员-关键体系结构。在这项工作中，我们认为防御者和攻击者在Stackelberg安全博弈中形成联盟，这是通过计算强Lp-Stackelberg/Nash均衡来实现的。我们给出了一个数值示例，验证了所提出的RL方法测量安全资源分配的益处。

引用于2文件

MSC公司：

91A80型 博弈论的应用
68T05型 人工智能中的学习和自适应系统
91年10月 非合作游戏
91A26型 博弈论中的理性与学习
91A65型 分级游戏（包括Stackelberg游戏）

关键词：

安全游戏;强化学习;斯塔克伯格游戏;行为博弈;多个参与者;强Stackelberg/Nash均衡

软件：

IRIS公司
PDF格式BibTeX公司 XML格式引用
\textit{K.K.Trejo}等人，《计算杂志》。系统。科学。95、35-54（2018年；Zbl 1394.91079）
全文： 内政部

参考文献：

[1] 安，B。；Pita，J。；谢赫，E。；Tambe，M。；Kiekintveld，C。；Marecki，J.，《守卫与保护：安全游戏的下一代应用》，SIGecom，10，31-34（2011）
[2] Antipin，A.S.，《解决平衡规划问题和游戏的超近似方法》，计算。数学。数学。物理。，45, 11, 1893-1914 (2005) ·Zbl 1098.91004号
[3] Aumann，R.，《一般合作人游戏中的可接受点》，（游戏理论四的贡献，游戏理论四，数学年鉴，第40卷（1959年）），287-324·Zbl 0085.13005号
[4] A.巴托。；Mahadevan，S.，《分层强化学习的最新进展》，离散事件动态。系统。，13, 343-379 (2003) ·Zbl 1034.93003号
[5] Bos，D.，公共企业经济学（1986），北荷兰：北荷兰阿姆斯特丹
[6] Bos，D.，《私有化：理论治疗》（1991年），克拉伦登出版社：牛津克拉伦登出版公司
[7] Breitmoser，Y.，《论寡头垄断中古诺、伯特朗和斯塔克伯格竞争的内生性》，《国际工业器官杂志》。，30, 1, 16-29 (2012)
[8] Clempner，J.B.，用于推理真实巡逻策略的连续时间Markov Stackelberg安全游戏方法，国际J.Control（2017）·Zbl 1418.91119号
[9] 克莱姆普纳，J.B。；Poznyak，A.S.，Stackelberg安全游戏：计算最短路径平衡，专家系统。申请。，42, 8, 3967-3979 (2015)
[10] 克莱姆普纳，J.B。；Poznyak，A.S.，《Stackelberg安全游戏中的一致联盟：设置最大合作防御者与非合作攻击者》，Appl。软计算。，47, 1-11 (2016)
[11] 克莱姆普纳，J.B。；Poznyak，A.S.，《在Stackelberg安全游戏中使用超近似方法计算最短路径混合Lyapunov平衡》，数学。计算。同时。，138, 14-30 (2017) ·Zbl 07313839号
[12] Cournot，A.A.，《财富神学原理研究》（1838年），哈切特：巴黎哈切特·Zbl 0174.51801号
[13] De Fraja，G。；Delbono，F.，混合寡头垄断的博弈论模型，J.Econ。调查。，4, 1-17 (1990)
[14] F.M.D.法夫。；Jiang，A.X。；尹，Z。；张，C。；Tambe，M。；克劳斯，S。；Sullivan，J.，具有动态执行不确定性的博弈论安全巡逻，以及对实际交通系统的案例研究，J.Artif。智力。决议，50，321-367（2014）·Zbl 1364.93013号
[15] 哈里斯·R·G。；Wiens，E.G.，《政府企业：行业内部监管的工具》，加拿大。《经济学杂志》。，13, 125-132 (1980)
[16] Jain，M。；Kardes，E。；Kiekintveld，C。；鄂尔多斯，F。；Tambe，M.，《具有任意时间表的安全游戏：分支和价格方法》，（《全国人工智能会议论文集》，美国佐治亚州亚特兰大，AAAI（2010））
[17] Jain，M。；Kiekintveld，C。；Tambe，M.，有限Bayesian Stackelberg对策的质量有界解：放大，（第十届自治代理和多代理系统国际联合会议论文集。第十届自主代理和多智能体系统国际联合大会论文集，AAMAS，台北，台湾（2011）），997-1004
[18] Kaelbling，L。；利特曼，M。；Moore，A.，《强化学习：调查》，J.Artif。智力。，4, 237-285 (1996)
[19] 梅里尔，W。；Schneider，N.，《寡头垄断行业中的政府公司：短期分析》，Q.J.Econ。，80, 400-412 (1966)
[20] Nett，L.，《同质商品的混合寡头垄断》，《公共合作社年鉴》。经济。，64, 367-393 (1993)
[21] Pita，J。；Jain，M。；鄂尔多斯，F。；波特瓦，C。；Tambe，M。；Western，C.，《为洛杉矶机场安全使用博弈论》，AI Mag.，30，1，43-57（2009）
[22] Pita，J。；Tambe，M。；Kiekintveld，C。；卡伦，S。；Steigerwald，E.，Guards-全国范围内的博弈论安全分配，（《第十届自主代理和多代理系统国际会议论文集》，《第十次自主代理和多重代理系统国际大会论文集》（AAMAS，2011））
[23] 波兹尼亚克，A.S.，《自动控制工程师的先进数学工具》。随机技术，第2卷（2009），Elsevier:Elsevier Amsterdam
[24] 波兹尼亚克，A.S。；Najim，K。；Gomez-Ramirez，E.，有限马尔可夫链的自学习控制（2000），马赛尔·德克尔公司：马赛尔·德克尔公司，纽约·Zbl 0960.93001号
[25] Ribeiro，C.，强化学习代理，Artif。智力。修订版，17，223-250（2002）·Zbl 1017.68101号
[26] S.ánchez，E.M。；克莱姆普纳，J.B。；Poznyak，A.S.，《用于计算均值-方差客户组合的先验知识/行为关键强化学习架构：银行市场营销活动案例》，工程应用。Artif公司。智力。，46, 82-92 (2015)
[27] Trejo，K.K。；克莱姆普纳，J.B。；Poznyak，A.S.，《使用外推方法计算Stackelberg/Nash均衡：马尔可夫链博弈的收敛性分析和实现细节》，Int.J.Appl。数学。计算。科学。，25, 2, 337-351 (2015) ·Zbl 1406.91023号
[28] Trejo，K.K。；克莱姆普纳，J.B。；Poznyak，A.S.，基于超接近理论方法的随机策略的Stackelberg安全游戏，工程应用。Artif公司。智力。，37, 145-153 (2015)
[29] 特雷霍，K.K。；克莱姆普纳，J.B。；Poznyak，A.S.，《在可控Stackelberg安全游戏中调整策略以适应动态环境》，（2016年IEEE第55届决策与控制会议，2016年第55届IEEE决策与控制大会，CDC（2016），IEEE），5484-5489
[30] Trejo，K.K。；克莱姆普纳，J.B。；Poznyak，A.S.，合作多领导-跟随者Stackelberg Markov链博弈的最优强均衡解，Kybernetika，52，2，258-279（2016）·Zbl 1374.35201号
[31] Trejo，K.K。；克莱姆普纳，J.B。；Poznyak，A.S.，计算马尔可夫链博弈的强（L_p）-Nash均衡：收敛性和唯一性，应用。数学。型号。，41, 399-418 (2017) ·Zbl 1443.91041号
[32] 蔡，J。；Rathi，S。；基金特维尔德，C。；鄂尔多斯，F。；Tambe，M.，Iris-运输网络中的战略安全分配工具，（第八届自主代理和多代理系统国际会议-行业轨道（2009）），37-44
[33] Tsunekawa，H。；铃木，T。；Hamagami，T.，《利用进化过程通过反向强化学习检查基于技能的学习》，（IEEE主办的第九届智能系统国际会议和Cont.Proc.IEEE主办第九届智力系统和Cont.国际会议，ISCO 2015，印度哥印拜陀（2015），IEEE）
[34] 维克斯，J。；Yarrow，G.，《私有化——经济分析》（1998年），麻省理工学院出版社：麻省理学院出版社剑桥
[35] von Stackelberg，H.，Marktform und Gleichgewicht（1934），施普林格：施普林格维也纳·Zbl 1405.91003号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。